Scipy curve_fit 不适合简单的指数

Question

我正在尝试使用 scipy curve_fit 对某些数据进行简单的指数拟合，结果是指数太大了许多数量级

import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import math
import numpy as np




cases_DE = [16,18,26,48,74,79,130,165,203,262,545,670,800,1040,1224,1565,1966,2745,3675,4599,5813, 7272, 9367, 12327]

def simple_DE(A,c,t):
    return A*math.e**(c*t)

range_thing = np.array(range(len(cases_DE)))

popt, pcov = curve_fit(simple_DE, range_thing, cases_DE, bounds=((-np.inf, 0), (np.inf, 1)))

print(popt)

plt.scatter(range_thing, simple_DE(*popt, range_thing))
plt.scatter(range_thing, cases_DE)
print(simple_DE(*popt, 20))
plt.xlabel('x')
plt.ylabel('y')

plt.show()

谁能告诉我我哪里出错了？

Answer 1

看来您混淆了参数的顺序。 提供给curve_fit的函数应具有以下签名：

它必须将自变量作为第一个参数，并将要拟合的参数作为单独的剩余参数： ydata = f(xdata, *params) + eps 。

因此，您需要更改simple_DE函数的参数顺序：

def simple_DE(t, A, c):
    ...

同样在绘制拟合时：

plt.scatter(range_thing, simple_DE(range_thing, *popt))